基于知網(wǎng)的中文問答系統(tǒng)問題理解與研究.pdf

1、本文對中文自動(dòng)問答系統(tǒng)中的問題理解技術(shù)進(jìn)行了研究。問題理解是問答系統(tǒng)的基礎(chǔ)，只有在正確地分析和理解問題的基礎(chǔ)上，才有可能返回給用戶以正確的答案。問題理解的核心內(nèi)容就是問題分類。在對現(xiàn)有問題理解技術(shù)進(jìn)行全面學(xué)習(xí)和深入研究的基礎(chǔ)上，本文進(jìn)行了以下幾個(gè)方面的工作： (1)為了深入理解并能從整體上把握問題的語義，本文提出了一種問題語義描述模型一事件框架模型，并采用知網(wǎng)的事件和屬性類義原作為事件框架體系的中心成分。 (2)在前人的

2、“問題分類體現(xiàn)問題的疑問意圖”思想的基礎(chǔ)上，明確地提出了基于疑問意向的問題分類。并在事件框架體系下，給出了疑問意向的形式化定義，即疑問意向可用問題的事件框架中心成分、問題的預(yù)期答案類型以及問題中間點(diǎn)的語義角色等三個(gè)特征來表征。提出了寄予疑問意向的問題分類體系。同時(shí)，本文提出了一種基于事件框架的問題語義描述模型，在這個(gè)模型下，我們給出了疑問意向的形式化定義。同時(shí)通過借助語義資源知網(wǎng)，對問題空間的大小進(jìn)行評測。 (3)對問題疑問意向

3、的自動(dòng)識別進(jìn)行了研究。提出了一種基于雙層最大熵模型的答案類型識別方法，實(shí)驗(yàn)結(jié)果比采用同一訓(xùn)練測試集的方法高出2個(gè)百分點(diǎn)；提出了一種基于知網(wǎng)可信度評價(jià)的事件框架中心成分抽取方法，利用該方法能夠從表達(dá)方式不同而疑問意向相同的問句中提取出相同的事件框架中心成分；利用最大熵模型進(jìn)行了問點(diǎn)語義角色標(biāo)注，在此基礎(chǔ)上，又對問點(diǎn)語義角色標(biāo)注中的特征選擇及優(yōu)化進(jìn)行了深入的研究，并提出了一種基于改進(jìn)互信息模型的特征選擇方法以及一種事件框架特征的優(yōu)化表達(dá)方法